基于一阶双向差分和Hough变换的一种改进的车牌定位方法.docVIP

精品论文 参考文献 基于一阶双向差分和Hough变换的一种改进的车牌定位方法 裴加强（兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070） 摘 要：首先对各种经典的车牌定位方法做了简单的介绍，陈述了它们的优缺点，然后对基于一阶水平差分算法[6]做了些改进。首先使用一阶双向差分加法运算和Hough变换对预处理后的图像进行粗定位，然后再利用字符特征在粗定位提取后的图像区域进行细定位。该方法简单易行，能够得到较高的准确度。对于一般的停车场的应用已经足够。 关键词：车牌定位；一阶双向差分；Hough变换 引言 车牌识别系统是智能交通系统（ITS）中的关键技术之一。近年来，随着交通管理的智能化，它在停车场，过桥收费，违章检测等方面得到了广泛的应用。其中车牌定位是车牌识别系统中重要的一部分。主要的车牌定位方法:基于小波变换的车牌定位方法[3]、基于形态学的车牌定位方法[4]、基于神经网络的车牌定位方法[7]等。虽然这些算法在某些特定条件下识别效果较好，但也各有自己的缺点。基于小波变换的车牌定位方法，降噪预处理时的重构信号会丢失原有的时域特征，使图像丢失一些信息；基于神经网络的车牌定位方法，网络训练时间长，定位精度不是很高，在复杂的背景下，还需后续的细定位。基于形态学的车牌定位方法，使用过大过小的结构元素，都无法使车牌区域形成闭合的连通区域，选取合适的结构元素是很麻烦的事情。这里提出的方法主要是针对停车场的，该方法简单实用，能很好的满足需求。基于一阶水平差分运算，该方法虽然简单易于实现，但是效果不是很好。基于上述情况，我们提出了一种既简单又实用的车牌定位方法，该方法对于一般的停车场应用已经足够。 1 一阶双向差分加法运算 在车牌识别图像中，车牌区域和非车牌区域有着明显的纹理差别。在汽车牌照中，一般有七个字符，字符与背景之间有着明显的灰度差异，使得车牌区域有较多的边缘。我们最感兴趣的就是水平边缘和垂直边缘。因为车牌区域是个矩形，只要在车牌的水平和垂直方向的检测中检测到属于车牌的边框边缘，就可以对车牌进行初步定位。现采用一阶双向差分加法运算来检测图像的水平和垂直方向。具体做法如下:先对原始图像f（i，j）作水平差分运算，得到 g1（i，j）=|f（i，j）-f（i，j+1）| （1） 其中i=1，2，3…W-1，j=1，2，3…H-1，用于检测水平直线； 然后再对原始图像做一阶垂直差分运算，得到 g2（i，j）=|f（i，j）-f（i+1，j）| （2） 其中i=1，2，3…W-1，j=1，2，3…H-1，用于检测垂直直线；然后对g1（i，j），g2（i，j）做加法 g（i，j）=g1（i，j）+g2（i，j） （3） 其中i=1，2，3…W-1，j=1，2，3…H-1 这样我们就得到了原始图像经过一阶双向差分加法运算后的图像g（i，j），一阶水平差分运算后的图像，一阶垂直差分运算后的图像，一阶双向差分加法运算后的图像。 一阶双向差分加法算法对检测水平直线和垂直直线有较好的效果。 2 Hough变换 Hough变换是霍夫于1962年提出的一种形状匹配技术。运用两个坐标系之间的变换来检测平面内的直线和有规律的曲线。 霍夫变换的原理如下：首先考虑图像中的一个点A，它在图像中的坐标为（xi，yi），过这一点可以有无数条直线，但它们都满足以下方程： yi=axi+b （4） b=-xia+yi （5） 由此可知，在由a、b决定的参数空间中，点（xi，yi）决定一条直线。同理，点B（xi，yi）也决定了参数空间中一条直线。假设参数空间中的两条直线交点记为（a，b），其中，为a平面内的xy直线的斜率，b为直线AB的截距。事实上，直线AB上所有的点在参数空间中都会交于（a，b） 对于任意方向和任意直线的检测，为了避免垂直直线斜率无限大的问题，人们往往采用极坐标（?籽，?兹）作为变换空间： 籽=xcos?兹+ysin?兹 （6） 由分析可知，图像中直线AB上的每一个点都对应（?籽，?兹）参数空间上的一条曲线，且它们有共同的交点，只要找到该交点就可以找到直线的倾斜角和截距。 2.1粗定位。将（x，y）平面内图像的点，根据公式（6）转换成极坐标（?籽，?兹）后，所有正弦曲线均经过同一点（?籽1，?兹1），其中?籽为原点到该直线的距离，?兹为该直线与x轴的夹角。由于该直线上的所有点